渐进符号

渐进符号

1、渐进紧确界记号：Θ

Θ的数学含义：
对一个给定的函数g(n)，用Θ(g(n))来表示以下函数的集合
Θ(g(n))={ f(n)：存在正常量c1、c2和n0，使得对所有n ≥ $n_0$，有0≤ c1g(n) ≤ f(n) ≤ c2g(n) }
Θ(g(n))要求每个成员 f(n)∈Θ(g(n)) 均渐进非负，即当n足够大时 f(n) 非负，渐进正函数就是对所有足够大的n均为正的函数。

EX：T(n)=$100n^4+20n^3+15n^2+6n+1$
当n足够大的时候，算法的运行时间取决于时间表达式T(n)的最高项，最高项的系数在n较大时，对时间作用较小，其余项可忽略不计.
故T(n)$\approx n^4$ $T(n)=\Theta (n^4)$

2、渐进上界记号：O

Θ记号渐进地给出一个函数的上界和下界，当只有一个渐进上界时，使用O记号。

数学定义：对于给定的函数g(n)，用O(g(n))来表示以下函数的集合
O ( g ( n ) ) = { f ( n ) O(g(n)) = \{f(n) O(g(n))={f(n)：存在正常数量n和$c_0$，使得对所有$n⩾n_0,0⩽f(n)⩽cg(n)\}$

使用O记号，我们常常可以仅仅通过检查算法的总体结构来描述算法的运行时间，以插入排序为例，双重嵌套循环结构最坏情况运行为O$(n^2)$，也就是说上界为
O$(n^2)$。
以下举几种常见的复杂度

$O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)$

$O(1)$: 基本执行操作次数是常量
$O(n)$: 一般出现在只有一个循环的情况下
$O(n^2)$:一般出现在嵌套循环中

public void test(int n)
{
	for(int i=0;i<n;i++)
	{
		for(int j=0;j<n;j++)
		{
			......
		}
	}
}

$O(logn)$:（二分查找等，例如以下模块 ）

public void test(int n)
{
	for(int i=1;i<n;i+=2) 
	{
		.......
	}
}

$O(nlogn)$: 常出现在归并排序中

3、渐进下界符号：Ω

与O定义类似，Ω记号提供了渐进下界。

定理：对于任意两个函数$f(n)和g(n)$,我们有$f(n)=\Theta (g(n))$，当且仅当$f(n)=O(g(n))且f(n)=\omega$

4、非渐进紧确上界：o

由O记号提供的上界可能是也可能不是紧确的，非紧确的可用o记号。

定义： o ( g ( n ) ) = { f ( n ) : 对 任 意 正 常 量 c > 0 , 存 在 常 量 n 0 > 0 , 使 得 对 所 有 的 n ⩾ n 0 , 有 0 ⩽ f ( n ) ⩽ c g ( n ) } o(g(n))=\{ f(n):对任意正常量c>0,存在常量n_{0}>0,使得对所有的n\geqslant n_{0},有0 \leqslant f(n) \leqslant cg(n)\} o(g(n))={f(n):对任意正常量c>0,存在常量n0​>0,使得对所有的n⩾n0​,有0⩽f(n)⩽cg(n)}

EX：$f(n)=n^2+n,o(n)=n^3$

5、非渐进紧确下界：$\omega$

$\omega 和\Omega$的关系与o和O的关系相同，在这里不过多阐述。

可以用下图记忆渐进符号

参考资料：算法导论（第三版）